不确定我的题目是否正确,请建议编辑
我有以下数据帧:
df_dict={'startDate':
['2015-01-01','2015-01-05','2015-01-18','2015-01-25',
'2015-02-02','2015-02-03','2015-02-04','2015-02-17',
'2015-03-03','2015-03-04','2015-03-07','2015-03-11',
'2015-04-04','2015-04-05','2015-04-17','2015-04-19'],
'price':[200,250,270,240,100,120,130,140,300,310,330,370,400,410,420,440],
'250_index': [1,2,1,2,1,2,1,2,1,2,1,2,1,2,1,2]}
df=pd.DataFrame(df_dict)
我需要在我的数据集中找到第一个可用的日期,在本例中是2015-01-01
,然后创建30day
区间,例如:2015-01-01
,2015-01-31
,2015-03-02
,2015-04-01
,然后对于每个区间和250_index
组合计算过去的30day
60_day
和90day
平均价格。你知道吗
结果数据帧应该是这样的,第一个区间的过去平均值是0
,因为我们没有关于发生了什么的信息,但是对于第二个区间2015-01-31
,我们需要根据2015-01-01
和2015-01-31
之间的价格来计算past_30_avg
,对于其他区间也是如此:
time_interval index past_30_avg past_60_avg past_90_avg
'2015-01-01' 1 0 0 0
2 0 0 0
'2015-01-31' 1 235 0 0
2 245 0 0
'2015-03-02' 1 115 175 0
2 130 187 0
'2015-04-01' 1 315 240 221
2 340 235 238
我正在寻找一个通用的方法,因为它只是我数据集的一部分
考虑^{} 表示30天的平均值(每月汇总),然后^{} 表示60天和90天^{} :
相关问题 更多 >
编程相关推荐